Segmentacja i dopasowywanie cyfrowych obrazów medycznych: przetwarzanie nagrań wideo-endoskopowych strun głosowych oraz danych tomograficznych zmian rakowych

Skalski, A.; Zieliński, T.

Artykuł - szczegóły

Tytuł artykułu

Segmentacja i dopasowywanie cyfrowych obrazów medycznych: przetwarzanie nagrań wideo-endoskopowych strun głosowych oraz danych tomograficznych zmian rakowych

Autorzy

Skalski A. , Zieliński T.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Segmentation and Registration of Digital Medical Images: Processing Endoscopic Videos of Vocal Folds and Tomographic Data of Cancer Changes

Języki publikacji

Abstrakty

Celem artykułu jest wprowadzenie do zagadnienia segmentacji i dopasowywania cyfrowych obrazów medycznych 2D i 3D, np. z endoskopii i tomografii komputerowej, oraz krótki przegląd stosowanych metod. Na tym tle zaprezentowano nowe, oryginalne wyniki prac własnych autorów, dotyczących analizy cyfrowych nagrań wideo strun głosowych. Badania te mają na celu estymację parametrów ruchu tych strun dla ludzi zdrowych oraz chorych, np. ze zmianami nowotworowymi. W tym ostatnim przypadku wskazana jest analiza danych wideo przed i po terapii laserowej. W artykule porównano poprzednie wyniki autorów uzyskane dla metody segmentacji metodą poziomic (level sets) z metodą rozrostu obszarów (region growing). W końcowej części pracy zaprezentowano przykład zastosowania dopasowywania danych tomograficznych pacjenta podczas radioterapii zmian nowotworowych.

In the paper introduction to segmentation and registration of medical 2D/3D data, coming from medical endoscopy and computed tomography, is done and a brief description of the most popular methods is presented. On this background, as an example, new original results of vocal folds video analysis are given. In this case evaluation of vocal folds motion parameters for people in good health and sick persons with cancer changes is addressed, especially before and after the laser treatment. In the paper previous segmentation results obtained for level sets methods are compared with application of a region growing approach. Finally, application of registration to computed tomography data before cancer radiotherapy is shown in the paper.

Słowa kluczowe

obrazy medyczne endoskopia tomografia komputerowa struny głosowe segmentacja metoda poziomic metoda rozrostu obszarów dopasowywanie obrazów radioterapia rak prostaty

medical images endoscopy computed tomography vocal folds segmentation level set method region growing image registration radiotherapy cancer changes

Wydawca

Wydawnictwo PAK

Czasopismo

Pomiary Automatyka Kontrola

Rocznik

2008

Tom

R. 54, nr 6

Strony

330--333

Opis fizyczny

Bibliogr. 26 poz., rys., wykr., wzory

Twórcy

autor

Skalski A.

autor

Zieliński T.

Katedra Metrologii, Akademia Górniczo-Hutnicza w Krakowie, skalski@agh.edu.pl

Bibliografia

[1] J. Jan: Medical Image Processing, Reconstruction and Restora-tion: Concepts and Methods. CRC Press, 2005.
[2] T. S. Yoo (Ed.): Insight into Images: Principles and Practice for Segmentation, Registration and Image Analysis. A.K. Peters Ltd. 2004.
[3] J. S. Suri, S. Kamaledin Setarehdan, S. Singh (Eds): Advanced Algorithmic Approaches to Medical Image Segmentation. Springer 2002.
[4] J. Modersitzki: Numerical Methods for Image Registration. Oxford University Press 2004.
[5] A. A. Goshtasby: 2-D and 3-D Image Registration for Medical, Remote Sensing and Industrial Applications. Wiley-Interscience 2005.
[6] A. Skalski, T. Zieliński, D.D. Deliyski: Analysis of Vocal Fold Movement in High Speed Videoendoscopy Based on Level Set Segmentation and Image Registration. Zgłoszone na konferencję Medical Image Computing and Computer Assisted Interventions MICCAI, NY 2008.
[7] J. -K. Shen, B. J. Matuszewski, L. –K. Shark, A. Skalski, T. Zieliński, C. J. Moore: Demons, B-spline FFD, and Spring Mass System Deformable Image Registration – A Critical Evaluation. IEEE Mediviz 08 Conference, London, UK, 2008 – w druku.
[8] J. Canny: A Computational Approach To Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 8 no. 6, pp. 679-714, 1986.
[9] L. Vincent, P. Soille: Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 13, no. 6, 1991
[10] C. Xu, J. L. Prince: Snakes, Shapes, and Gradient Vector Flow. Transactions on Image Processing, vol. 7 no. 3 , pp. 359-369, March 1998.
[11] S. Osher, J. Sethian: Fronts propagating with curvature-dependent speed: Algoritms based on the Hamilton-Jacobi formulation. Journal of Computional Physics, vol. 79 pp. 12-49, 1988.
[12] J. Illingworth, J. Kittler: A survey of the Hough transform. CVGIP, vol. 44, no. 1, pp. 87-116, 1988.
[13] J. A. Sethian: Level Set Methods and Fast Marching Methods, Cambrige University Press,2nd edition, 1999.
[14] S. Osher, N. Paragios (Eds.): Geometric Level Set Methods in Imaging, Vision, and Graphics. Springer, 2006.
[15] W. R. Crum, T. Hartkens and D.L.G. Hill: Non-rigid Image Registration: Theory and Practice. The British Journal of Radiology, vol. 77, pp. 140-143, 2004.
[16] D. J. Hawkes, D. Barratt, J.M. Blackall and et. al.: Tissue Deformation and Shape Models in Image-guided Interventions: A Discussion Paper. Medical Image Analysis, Vol. 9, pp. 163-175, 2005.
[17] J. -P. Thirion: Image matching as a diffusion process: an analogy with maxwell’s demons. Medical Image Analysis, vol. 2 no. 3, 1998.
[18] J. -P. Thirion: Fast Non-Rigid Matching of 3D Medical Images. Technical Report No. 2547 INRIA, May 1995.
[19] D. Rueckert, L. I. Sonoda, C. Hayes, D. L. G. Hill, M.O. Leach, D. J. Hawkes: Nonrigid Registration Using Free-Form Deformations: Applocation to Breast MR Images. IEEE Transactions on Medical Imaging, vol. 18, no. 8, pp. 712-721 , 1999.
[20] D. D. Deliyski, P .P. Petrushev, H.S. Bonilha, T.T. Gerlach, B. Martin-Harris , R.E. Hillman: Clinical Implementation of Laryngeal High-Speed Videoendoscopy: Challenges and Evolution. Folia Phoniatr Logop. vol. 60, pp. 33-44, 2008.
[21] J. Lohscheller, H. Toy, F. Rosanowski, U. Eysholdt, M. Dollonger.: Clinically evaluated procedure for the reconstruction of vocal fold vibrations from endoscopic digital high-speed videos. Medical Image Analysis vol. 11, pp. 400-413, Elsevier, 2007.
[22] C. Li, C. Xu, M. D. Fox: Level Set Evolution Without Reinitialization: A New Variational Formulation. IEEE CVPR, pp. 430-436, 2005.
[23] www.itk.org
[24] B. J. Matuszewski, J. K. Shen, L. –K. Shark, C.J. Moore: Estimation of internal body deformation using an elastic registration technique. IEEE 3rd International Conference on Biomedical Visualisation, pp. 15-20, 2006.
[25] D. Maties, D. R. Haynor, H. Vesselle, T. K. Lewellen, W. Eubank: PET-CT Image Registration in the Chest Using Free-form Deformations, IEEE Transactions on medical imaging, vol. 22, no. 1, 2003.
[26] Projekt ECSON: Engineering and Computational Science for Oncology Network, web: http://www.ecson.org.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BSW4-0052-0001